中大新聞網(wǎng)訊（通訊員康峻鳴）近日，附屬第一醫(yī)院麻醉科馮霞教授團隊在圍術(shù)期并發(fā)癥智能檢測領(lǐng)域取得重大突破，成果發(fā)表于國際知名期刊《npj數(shù)字醫(yī)學》。該研究提出"針對性策略+LoRA微調(diào)"技術(shù)路線，成功將小型開源AI模型提升至專家水平，為資源受限醫(yī)療機構(gòu)提供可落地的智能化解決方案。
全球每年2.3億例外科手術(shù)中，圍術(shù)期并發(fā)癥死亡率達1-4%。傳統(tǒng)人工檢測存在嚴重缺陷：27%未被記錄，10%分類錯誤。盡管大語言模型展現(xiàn)巨大潛力，但實際部署面臨三大瓶頸：隱私法規(guī)限制云端推理、大參數(shù)模型計算成本高昂、本地模型性能不足。團隊創(chuàng)新性提出"靶向策略"——將22種并發(fā)癥綜合評估分解為獨立評估，降低推理認知負擔，通過隱式數(shù)據(jù)增強突破性能瓶頸。結(jié)合LoRA微調(diào)技術(shù)優(yōu)化4B至32B參數(shù)開源模型，構(gòu)建可本地部署的專家級診斷系統(tǒng)，實現(xiàn)22種圍術(shù)期并發(fā)癥的識別和精準分級。
該研究破解數(shù)據(jù)主權(quán)、計算成本、模型性能三大難題，使小型模型在保持專家級準確性同時實現(xiàn)本地部署。"小模型+本地部署"范式可推廣至其他臨床場景，為醫(yī)療AI落地提供兼顧性能、隱私與成本的"中國方案"。附屬第一醫(yī)院麻醉科高少偉醫(yī)生、趙旭醫(yī)生，江門市中心醫(yī)院陳麗輝副教授為共同第一作者，馮霞教授、賀秋蘭教授、高少偉醫(yī)生為共同通訊作者。
